Question

从文本文件中读取数据（即read.table）时是否可以操作记录/观察/行分隔符？使用sep =“”调整字段分隔符很简单，但是我还没有找到一种方法来从行尾字符更改记录分隔符。

我正在尝试读取管道分隔的文本文件，其中许多条目都是包含回车符的长字符串。 R将这些CR视为行尾，这会错误地开始新行并且会增加记录和字段顺序的数量。

我想使用不同的分隔符而不是CR。事实证明，每一行都以相同的字符串开头，所以如果我可以使用像\ nString这样的东西来识别 true 行尾，那么表格就会正确导入。这是一个文本文件可能是什么样的简化示例。

V1,V2,V3,V4
String,A,5,some text
String,B,2,more text and
more text
String,B,7,some different text
String,A,,

应该读入R作为

V1      V2       V3      V4
String  A        5       some text
String  B        2       more text and more text
String  B        7       some different text
String  A        N/A     N/A

我可以在文本编辑器中打开文件并在读取之前用find / replace清理它们，但R中的系统解决方案会很棒。谢谢你的帮助。

Answer 1

我们可以阅读它们然后将它们折叠起来。 g将为标题设置值0，为下一行设置1（对于后续行，如果有的话），依此类推。 tapply根据g给出L2折叠了这些行，最后我们重新阅读了这些行：

Lines <- "V1,V2,V3,V4
String,A,5,some text
String,B,2,more text and
more text
String,B,7,some different text
String,A,,"

L <- readLines(textConnection(Lines))

g <- cumsum(grepl("^String", L))
L2 <- tapply(L, g, paste, collapse = " ")

DF <- read.csv(text = L2, as.is = TRUE)
DF$V4[ DF$V4 == "" ] <- NA

这给出了：

> DF
      V1 V2 V3                      V4
1 String  A  5               some text
2 String  B  2 more text and more text
3 String  B  7     some different text
4 String  A NA                    <NA>

Answer 2

如果您使用的是Linux / Mac，那么您应该使用命令行工具，例如：而是sed。以下是两种略有不同的方法：

# keep the \n
read.csv(pipe('sed \'N; s/\\([^,]*\\)\\n\\([^,]*$\\)/"\\1\\n\\2"/\' test.txt'))
#      V1 V2 V3                       V4
#1 String  A  5                some text
#2 String  B  2 more text and\nmore text
#3 String  B  7      some different text
#4 String  A NA

# get rid of the \n and replace with a space
read.csv(pipe('sed \'N; s/\\([^,]*\\)\\n\\([^,]*$\\)/\\1 \\2/\' test.txt'))
#      V1 V2 V3                      V4
#1 String  A  5               some text
#2 String  B  2 more text and more text
#3 String  B  7     some different text
#4 String  A NA

可以更改R中的记录分隔符吗？

2 个答案: